☰

awk列で1つ以上の一致を繰り返します。

tag-icon • tag-icon awk regular-expression
awk列で1つ以上の一致を繰り返します。

問題は、csvファイルの1列に1つ以上のEメールアドレスがあることです。出力には各メールアドレスに1行が必要です。各電子メールアドレスに対して行を繰り返すために電子メールアドレスに対してforループを実行するにはどうすればよいですか？正規表現を使用して2番目の列のすべての電子メールアドレスを見つけて、配列を繰り返すとします。しかし、すべての電子メールを配列にインポートするにはどうすればよいですか？

これは単純なawkスクリプトです：

BEGIN {
    FPAT = "([^,]*)|(\"[^\"]+\")"
    OFS=","
}

{ 
    name=substr($1,2,length($1)-2) 
    email=substr($2,2,length($2)-2) 

    print name, email
}

入力する：

"agrippa","[email protected]"
"elvirka","[email protected]"
"Inofs","[email protected];[email protected]"
"bekbz","[email protected],[email protected]"
"njkzif","[email protected]|[email protected]"
"njycz","[email protected]:[email protected]"
"DanielEdict","[email protected]"
"JosEmbesy","[email protected] , [email protected]"
"Walterdon","[email protected]   ;   [email protected]"
"Kennethlob","[email protected]"
"Ninosh","[email protected]"
"Patrickbam","[email protected]"

希望の出力：

agrippa,[email protected]
elvirka,[email protected]
Inofs,[email protected]
Inofs,[email protected]
bekbz,[email protected]
bekbz,[email protected]
njkzif,[email protected]
njkzif,[email protected]
njycz,[email protected]
njycz,[email protected]
DanielEdict,[email protected]
JosEmbesy,[email protected]
JosEmbesy,[email protected]
Walterdon,[email protected]
Walterdon,[email protected]
Kennethlob,[email protected]
Ninosh,[email protected]
Patrickbam,[email protected]

実際のデータの詳細については、これは2つの列ではありません。実際の入力データのヘッダーは次のとおりです。

"Created","first name","last name","address1","address2","city","state","zip","country","phone Office","phone Cell","phone Home","company Name","webSite","email","NoEmail","License Type","Issued Date","License Expires"

出力は2つの列ではなく、電子メールは現在の出力の最新の項目ではありませんが、必要に応じて行うことができます。

入力データのもう一つの点は、それがCSVファイルであり、すべてのデータに引用符があることです。ただし、データがない場合は引用符はありません。 FPATは、部分文字列を使用して削除する各列の周りの引用符を除いて、うまく処理するようです。

実際の入力の例は次のとおりです。

"9/1/2019","Can","Back","77 High Drive","","Chicago","IL","45099","USA","555-555-8521",,,"company name","http://www.yourcomapny.co.uk/","[email protected],[email protected]","","foobar","9/1/2019","9/1/2020"

ベストアンサー1

GNU awkを使用するFPAT（すでにgawkが必要なので、gensub()略語\sも使用[[:space:]]）：

$ cat tst.awk
BEGIN {
    FPAT = "([^,]*)|(\"[^\"]+\")"
    OFS=","
}
{
    name = gensub(/^"|"$/,"","g",$1)
    n = split(gensub(/^"|"$/,"","g",$2),emails,/\s*[;,|:]\s*/)
    for (i=1; i<=n; i++) {
        print name, emails[i]
    }
}
$
$ awk -f tst.awk file
agrippa,[email protected]
elvirka,[email protected]
Inofs,[email protected]
Inofs,[email protected]
bekbz,[email protected]
bekbz,[email protected]
njkzif,[email protected]
njkzif,[email protected]
njycz,[email protected]
njycz,[email protected]
DanielEdict,[email protected]
JosEmbesy,[email protected]
JosEmbesy,[email protected]
Walterdon,[email protected]
Walterdon,[email protected]
Kennethlob,[email protected]
Ninosh,[email protected]
Patrickbam,[email protected]

FWIW私は通常、この*sub(/^"|"$/,"",...)方法を使用してCSVフィールドから可能な先行/訓練二重引用符を削除します。substr()二重引用符なしでフィールドを分割しない方法に比べて利点があるためです。

[;,|:]電子メールアドレスが破損しているか、または処理を忘れたもの（たとえば、の区切り文字）に備えて、いくつかのエラー検出を追加することもできます。

$ cat tst.awk
BEGIN {
    FPAT = "([^,]*)|(\"[^\"]+\")"
    OFS=","
}
{
    name = gensub(/^"|"$/,"","g",$1)
    n = split(gensub(/^"|"$/,"","g",$2),emails,/\s*[;,|:]\s*/)
    for (i=1; i<=n; i++) {
        email = emails[i]
        if ( gsub(/@/,"&",email) != 1 ) {
            printf "ERROR: too few or too many email addresses in \"%s\"\n", email | "cat>&2"
            exit 1
        }
        print name, email
    }
}

本当に電子メールアドレスを確認したい場合は、FWIW過去5年間に問題がなく、この正規表現の修正版を使用してきたことを知っています。http://www.regular-expressions.info/email.html（私は特に[：alpha：]の代わりに[a-zA-Z]を使用しました。なぜなら私は私のロケールでそのように見なされる文字だけを許可したいからです。アプリケーションに適した文字を決定するのはあなたの役割です）。

    (email ~ /^[0-9a-zA-Z._%+-]+@[0-9a-zA-Z.-]+\.[a-zA-Z]{2,}$/)

おすすめ記事